MindSpore 执行推理模型

通过调用Model的eval接口可以实现推理。为了方便评估模型的好坏，可以在Model接口初始化的时候设置评估指标Metric。

Metric是用于评估模型好坏的指标。常见的主要有Accuracy、Fbeta、Precision、Recall和TopKCategoricalAccuracy等，通常情况下，一种模型指标无法全面的评估模型的好坏，一般会结合多个指标共同作用对模型进行评估。

常用的内置评估指标：

Accuracy（准确率）：是一个用于评估分类模型的指标。通俗来说，准确率是指我们的模型预测正确的结果所占的比例。 公式：

 

Precision（精确率）：在被识别为正类别的样本中，确实为正类别的比例。公式：

 

Recall（召回率）：在所有正类别样本中，被正确识别为正类别的比例。 公式：

 

Fbeta（调和均值）：综合考虑precision和recall的调和均值。

公式：

代码如下：

import mindspore.dataset as ds

import mindspore.dataset.transforms.c_transforms as CT

import min